趙青

【摘? 要】以大數(shù)據(jù)與企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警為切入點(diǎn)，在前人研究的基礎(chǔ)上，概述企業(yè)財(cái)務(wù)預(yù)警方法相關(guān)理論，通過(guò)對(duì)現(xiàn)有企業(yè)財(cái)務(wù)預(yù)警方法及其效用的分析發(fā)現(xiàn)企業(yè)財(cái)務(wù)預(yù)警方法的不足之處，對(duì)企業(yè)財(cái)務(wù)預(yù)警的機(jī)制和路徑提出新的設(shè)計(jì)。

【關(guān)鍵詞】大數(shù)據(jù);企業(yè)財(cái)務(wù)風(fēng)險(xiǎn);預(yù)警方法

【Abstract】Taking big data and enterprise financial risk early warning as the starting point， and on the basis of previous studies， this paper summarizes the relevant theories of enterprise financial early warning methods， and finds out the shortcomings of enterprise financial early warning methods through the analysis of the existing enterprise financial early warning methods and their effectiveness. A new design for the mechanism and path of enterprise financial early warning is put forward.

【Keywords】big data; enterprise financial risk; the early warning method

1 引言

現(xiàn)代社會(huì)是一個(gè)高速發(fā)展的社會(huì)，科技日新月異，大數(shù)據(jù)就是這個(gè)高科技時(shí)代的產(chǎn)物。大數(shù)據(jù)對(duì)于企業(yè)的價(jià)值可以體現(xiàn)在以下幾個(gè)方面：擁有龐大消費(fèi)群體的企業(yè)可以利用大數(shù)據(jù)進(jìn)行精準(zhǔn)營(yíng)銷和個(gè)性化推薦，專注于“精美”模式的企業(yè)可以利用大數(shù)據(jù)進(jìn)行服務(wù)轉(zhuǎn)型和升級(jí)，面臨科技?jí)毫Φ膫鹘y(tǒng)企業(yè)更需要跟上時(shí)代步伐對(duì)大數(shù)據(jù)進(jìn)行充分利用[1]。大數(shù)據(jù)分析就是通過(guò)對(duì)大量數(shù)據(jù)的研究尋找相似相關(guān)等有用的信息，能夠幫助企業(yè)更好地規(guī)避風(fēng)險(xiǎn)，適應(yīng)變化，并從企業(yè)長(zhǎng)遠(yuǎn)戰(zhàn)略角度做出明智的決策。

本文對(duì)企業(yè)財(cái)務(wù)預(yù)警方法和理論進(jìn)行解釋說(shuō)明，分析出大數(shù)據(jù)與企業(yè)財(cái)務(wù)預(yù)警方法的關(guān)聯(lián)性?？偨Y(jié)發(fā)現(xiàn)大數(shù)據(jù)背景下企業(yè)現(xiàn)有財(cái)務(wù)預(yù)警方法的不足。提出大數(shù)據(jù)背景下對(duì)于企業(yè)財(cái)務(wù)預(yù)警方法的要求，對(duì)企業(yè)財(cái)務(wù)預(yù)警方法的機(jī)制和路徑進(jìn)行改進(jìn) 與提升。

2 大數(shù)據(jù)與企業(yè)財(cái)務(wù)預(yù)警概述

2.1 企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)

企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)是指在企業(yè)財(cái)務(wù)活動(dòng)中受一些難以預(yù)想和操控的因素影響，企 業(yè)財(cái)務(wù)狀況具有顯著的不確定性，企業(yè)可能因此蒙受損失。財(cái)務(wù)風(fēng)險(xiǎn)是企業(yè)經(jīng)營(yíng)過(guò)程中各種風(fēng)險(xiǎn)在財(cái)務(wù)上的體現(xiàn)，具有復(fù)雜多變、不確定性和客觀性的特征。由于企業(yè)運(yùn)營(yíng)在時(shí)刻變動(dòng)的市場(chǎng)環(huán)境中，企業(yè)所處行業(yè)在某一時(shí)期的發(fā)展情況、宏觀經(jīng)濟(jì)政 策等客觀因素導(dǎo)致了財(cái)務(wù)風(fēng)險(xiǎn)的客觀性，不受企業(yè)自身所控制，也因此說(shuō)明了財(cái)務(wù)風(fēng)險(xiǎn)是難以避免的。

2.2 企業(yè)財(cái)務(wù)預(yù)警

“預(yù)警”是指在風(fēng)險(xiǎn)發(fā)生之前，根據(jù)過(guò)往的經(jīng)驗(yàn)規(guī)律和分析得到的可能性前兆，計(jì)算風(fēng)險(xiǎn)發(fā)生的概率，發(fā)出信號(hào)報(bào)告危險(xiǎn)狀況，以防止風(fēng)險(xiǎn)在毫無(wú)準(zhǔn)備或準(zhǔn)備不充分的情況下發(fā)生，從而盡量減少可能發(fā)生的損失。企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警是指 企業(yè)利用財(cái)務(wù)管理等理論和統(tǒng)計(jì)數(shù)學(xué)等方法，根據(jù)企業(yè)的經(jīng)營(yíng)活動(dòng)中可能會(huì)發(fā)生 的風(fēng)險(xiǎn)對(duì)企業(yè)的財(cái)務(wù)數(shù)據(jù)和非財(cái)務(wù)數(shù)據(jù)進(jìn)行分析評(píng)判，從而發(fā)現(xiàn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)，對(duì)風(fēng)險(xiǎn)的類型、形成原因及其影響進(jìn)行分析，給企業(yè)經(jīng)營(yíng)者發(fā)出預(yù)警信號(hào)，使管理者對(duì)風(fēng)險(xiǎn)進(jìn)行防范和管理，最終能夠避免或減少企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)造成的損失，為 企業(yè)的經(jīng)營(yíng)運(yùn)作和穩(wěn)定發(fā)展保駕護(hù)航。

2.3 大數(shù)據(jù)與企業(yè)財(cái)務(wù)預(yù)警

在大數(shù)據(jù)時(shí)代，企業(yè)的日常運(yùn)營(yíng)產(chǎn)生大量的數(shù)據(jù)和信息，以 往的財(cái)務(wù)管理方式難以對(duì)數(shù)量龐大的數(shù)據(jù)進(jìn)行高效搜集和分析，因此要依靠大 數(shù)據(jù)技術(shù)，充分發(fā)揮大數(shù)據(jù)技術(shù)在獲取、分類與分析數(shù)據(jù)信息方面的特有能力， 高效整合企業(yè)的財(cái)務(wù)信息資源，使企業(yè)各部門(mén)信息互通互聯(lián)，盡可能地降低企業(yè) 財(cái)務(wù)風(fēng)險(xiǎn)，保障企業(yè)運(yùn)營(yíng)。且在企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的基本環(huán)節(jié)中，大數(shù)據(jù)具有很高的應(yīng)用價(jià)值，表現(xiàn)在以下方面：一方面，大數(shù)據(jù)運(yùn)算能夠改進(jìn)以往企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警方法主觀性較強(qiáng)的不足;另一方面，大數(shù)據(jù)技術(shù)本身的特點(diǎn)更符合企業(yè)要求。大數(shù)據(jù)技術(shù)有著廣泛的信息來(lái)源， 保證了信息的豐富性和全面性，既能夠貼近企業(yè)的實(shí)際發(fā)展情況，又把握了經(jīng)濟(jì)發(fā) 展大方向，從而能夠推動(dòng)企業(yè)進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警，能夠進(jìn)一步提升企業(yè)財(cái)務(wù)風(fēng)險(xiǎn) 預(yù)警效果。

3 基于大數(shù)據(jù)的企業(yè)財(cái)務(wù)預(yù)警方法設(shè)計(jì)

3.1 企業(yè)財(cái)務(wù)預(yù)警方法現(xiàn)狀分析

現(xiàn)有企業(yè)財(cái)務(wù)預(yù)警方法主要包括傳統(tǒng)統(tǒng)計(jì)模型預(yù)警方法和人工智能專家系統(tǒng)預(yù)警方法。其中，傳統(tǒng)統(tǒng)計(jì)模型預(yù)警方法包括單變量模型、多變量模型分析以及邏輯回歸模型;人工智能專家系統(tǒng)預(yù)警方法包括神經(jīng)網(wǎng)絡(luò)模型、遺傳算法模型、支持向量機(jī)模型和案例推理。

單變量模型最早應(yīng)用于財(cái)務(wù)預(yù)警，是較為簡(jiǎn)單且易于計(jì)算和理解的實(shí)證研究，但其缺點(diǎn)是財(cái)務(wù)指標(biāo)單一，不能覆蓋企業(yè)的全部經(jīng)營(yíng)情況，邏輯回歸模型能夠在不需要假設(shè)變量呈正態(tài)分布的條件下進(jìn)行。財(cái)務(wù)預(yù)警模型中引入遺傳算法，可以改進(jìn)多元線性分析中不夠客觀的缺陷，但預(yù)測(cè)的準(zhǔn)確度方面卻沒(méi)有提升反而降低。支持向量機(jī)模型能夠處理動(dòng)態(tài)和不穩(wěn)定數(shù)據(jù)，但由于其過(guò)度適應(yīng)難以選擇到合適的特征集。案例推理的財(cái)務(wù)危機(jī)預(yù)警方法與以上方法相比更能夠在復(fù)雜多變或數(shù)據(jù)不足的環(huán)境中使用，能夠發(fā)現(xiàn)風(fēng)險(xiǎn)并提出解決方案，幫助企業(yè)管理者進(jìn)行決策，但只適合與其他預(yù)測(cè)方法聯(lián)合使用，不能單獨(dú)進(jìn)行預(yù)警。隨著財(cái)務(wù)預(yù)警理論和技術(shù)手段的發(fā)展，財(cái)務(wù)預(yù)警方法也隨之不斷完善，人工智能方法的升級(jí)和大數(shù)據(jù)技術(shù)的使用成為當(dāng)下的趨勢(shì)，將通過(guò)集成各種方法和手段來(lái)提高預(yù)警準(zhǔn)確性。

3.2 企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警機(jī)制設(shè)計(jì)

支持向量機(jī)是借助最優(yōu)化方法的機(jī)器學(xué)習(xí)算法，相比于以貪心學(xué)習(xí)為策略得 到局部最優(yōu)解的人工神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)可以通過(guò)有效算法找出目標(biāo)函數(shù)的全 局最優(yōu)解，其建立的判別函數(shù)具有更好的預(yù)測(cè)精度和泛用性。以支持向量機(jī)模型為基礎(chǔ)，對(duì)財(cái)務(wù)預(yù)警機(jī)制進(jìn)行設(shè)計(jì)，并劃分為數(shù)據(jù)采集和 處理、風(fēng)險(xiǎn)判斷、預(yù)警決策信息生成、預(yù)警效果評(píng)價(jià)和反饋四個(gè)階段，以這四個(gè) 階段作為常態(tài)預(yù)警機(jī)制，在企業(yè)制定重大決策時(shí)采用特殊預(yù)警機(jī)制。

3.2.1 數(shù)據(jù)的采集和處理

在數(shù)據(jù)采集和處理階段，相關(guān)人員利用計(jì)算機(jī)每天收集和更新海量數(shù)據(jù)，包括企業(yè)內(nèi)部財(cái)務(wù)和非財(cái)務(wù)數(shù)據(jù)、供應(yīng)鏈上下游企業(yè)公開(kāi)數(shù)據(jù)、本行業(yè)與相關(guān)行業(yè) 數(shù)據(jù)以及宏觀經(jīng)濟(jì)數(shù)據(jù)等，并根據(jù)數(shù)據(jù)類型進(jìn)行分類整理，財(cái)務(wù)數(shù)據(jù)可以直接存 儲(chǔ)在數(shù)據(jù)庫(kù)中，半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)通過(guò)處理后轉(zhuǎn)化為數(shù)據(jù)形式進(jìn)行存儲(chǔ)[2]。

3.2.2 風(fēng)險(xiǎn)判斷及風(fēng)險(xiǎn)級(jí)別劃分

在風(fēng)險(xiǎn)判斷階段，財(cái)務(wù)預(yù)警機(jī)制需要分析風(fēng)險(xiǎn)類別和風(fēng)險(xiǎn)程度，并進(jìn)行獨(dú)立判斷是否要做出風(fēng)險(xiǎn)預(yù)警，通過(guò)對(duì)數(shù)據(jù)庫(kù)中 海量數(shù)據(jù)的計(jì)算，財(cái)務(wù)預(yù)警機(jī)制可對(duì)企業(yè)內(nèi)部狀況、行業(yè)風(fēng)險(xiǎn)、行業(yè)關(guān)聯(lián)影響、 供應(yīng)鏈傳導(dǎo)影響和宏觀經(jīng)濟(jì)影響等分析，能夠識(shí)別和量化由于這些因素單獨(dú)或者 交互影響所產(chǎn)生的經(jīng)營(yíng)風(fēng)險(xiǎn)、法律風(fēng)險(xiǎn)等能夠引發(fā)財(cái)務(wù)風(fēng)險(xiǎn)的商業(yè)風(fēng)險(xiǎn)[3]。

3.2.3 決策信息生成

根據(jù)風(fēng)險(xiǎn)判斷的結(jié)果，新機(jī)制可自動(dòng)生成預(yù)警報(bào)告。報(bào)告主要由三部分組成：一是經(jīng)過(guò)結(jié)構(gòu)化處理的財(cái)務(wù)和非財(cái)務(wù)數(shù)據(jù);二是根 據(jù)現(xiàn)有數(shù)據(jù)和信息對(duì)企業(yè)內(nèi)部、所處行業(yè)和行業(yè)關(guān)聯(lián)影響、供應(yīng)鏈和宏觀經(jīng)濟(jì)影 響進(jìn)行的文字分析;三是對(duì)企業(yè)所面臨財(cái)務(wù)風(fēng)險(xiǎn)的預(yù)警，包括風(fēng)險(xiǎn)類型和等級(jí)、風(fēng)險(xiǎn)產(chǎn)生 的原因和預(yù)期經(jīng)濟(jì)后果，從而為預(yù)警報(bào)告使用者的決策提供支持。

3.2.4 預(yù)警效果的評(píng)價(jià)和反饋

對(duì)預(yù)警效果進(jìn)行評(píng)價(jià)并反饋給設(shè)計(jì)者有利于不斷提高預(yù)警的準(zhǔn)確度和穩(wěn)定性。一方面，財(cái)務(wù)預(yù)警機(jī)制可以通過(guò)收集整理管理者對(duì)預(yù)警效果的意見(jiàn)，對(duì)模型中預(yù)設(shè)的臨界值進(jìn)行調(diào)整;另一方面，在使用過(guò)程中不斷修正決策模型，提高財(cái)務(wù)預(yù)警機(jī)制的穩(wěn)定性和對(duì)風(fēng)險(xiǎn) 影響因素變化的適應(yīng)性，從而提高財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警質(zhì)量。

3.2.5 特殊預(yù)警機(jī)制

以大數(shù)據(jù)為背景，企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警機(jī)制包括常態(tài)預(yù)警機(jī)制和特殊預(yù)警機(jī)制兩部分。常態(tài)預(yù)警機(jī)制劃分為以上四個(gè)階段，為企業(yè)每一天的經(jīng)營(yíng)運(yùn)作保駕護(hù)航，而特殊預(yù)警機(jī)制只有在企業(yè)即將進(jìn)行重大決策時(shí)才會(huì)啟動(dòng)。企業(yè)在進(jìn)行重大的經(jīng) 營(yíng)活動(dòng)和投融資活動(dòng)決策時(shí)，必須要綜合考慮自身因素和行業(yè)因素業(yè)務(wù)層面的財(cái) 務(wù)風(fēng)險(xiǎn)。大數(shù)據(jù)使得企業(yè)可以通過(guò)多層次、多角度的分析充分認(rèn)識(shí)企業(yè)所面臨的 種種財(cái)務(wù)風(fēng)險(xiǎn)。特殊預(yù)警機(jī)制在選取指標(biāo)時(shí)，不局限于傳統(tǒng)的財(cái)務(wù)指標(biāo)，貸款利 率等相關(guān)政策變動(dòng)、同行企業(yè)動(dòng)態(tài)以及媒體報(bào)道等信息都能夠?qū)ζ髽I(yè)產(chǎn)生影響， 也應(yīng)包含在特殊預(yù)警機(jī)制的數(shù)據(jù)范圍內(nèi)。

4 結(jié)論

在大數(shù)據(jù)時(shí)代，企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警是建立在前所未有的超大規(guī)模數(shù)據(jù)的基礎(chǔ)上展開(kāi)的，建立財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警機(jī)制也成為企業(yè)保證健康經(jīng)營(yíng)平穩(wěn)發(fā)展的重要手 段。大數(shù)據(jù)的優(yōu)勢(shì)能彌補(bǔ)以 往財(cái)務(wù)預(yù)警方法的不足，通過(guò)引入非財(cái)務(wù)信息來(lái)保障數(shù)據(jù)基礎(chǔ)的全面性，根據(jù)行業(yè)和 部門(mén)的特點(diǎn)更加有針對(duì)性地構(gòu)建企業(yè)財(cái)務(wù)預(yù)警模型，通過(guò)信息平臺(tái)構(gòu)建動(dòng)態(tài) 預(yù)警方法保證數(shù)據(jù)的及時(shí)性。優(yōu)秀的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警方法可以利用大數(shù)據(jù)技術(shù)推廣到更多的企業(yè)，并且企業(yè)可以結(jié)合人工智能技術(shù)和自身特點(diǎn)量身定制預(yù)警指標(biāo)，形成適合自己發(fā)展的制度模式， 更好地保障預(yù)警的準(zhǔn)確性、及時(shí)性和穩(wěn)定性。

【參考文獻(xiàn)】

【1】李玥.大數(shù)據(jù)背景下企業(yè)財(cái)務(wù)管理的挑戰(zhàn)與變革[J].智慧商業(yè)， 2018（33）：25-26

【2】李霞.大數(shù)據(jù)時(shí)代企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警機(jī)制與路徑探究[J].財(cái)稅研究，2018（19）：151-152.

【3】田倩媛.企業(yè)財(cái)務(wù)困境預(yù)警方法概述[J].財(cái)訊，2014（10）：19.